增强的DARPA SCORE claims数据集:增强利用网络挖掘技术的Darpa Claims数据集(ii的新列) 源码

集成粗集神经网络的数据挖掘研究，韦伟，，集成粗集理论和神经网络技术进行数据挖掘是当前研究的一个重要分支。其集成方式主要有4种：利用约简减少网络输入节点、利用约简��

写了一些关于图像增强的例子,程序含有说明解释,适合初学者。

利用增强学习的方法设计神经网络,全英文文档,designing NN using RL

将CAD数据集转简单数据集，支持贝塞尔曲线，B样条曲线，弧，弓形等对象，同时支持复合对象。

LFW数据集是人脸识别领域中一份经典的数据集，包含着13234张高质量的人脸图像。这个数据集广泛用于研究和评估各种人脸识别算法的性能。通过使用LFW数据集，研究人员可以进行各种实验，比较不同算法在人脸

模仿mnist数据集制作自己的数据集代码。HOG+SVM，深度学习，识别中采用的数据集。可以适用多个平台，声明本代码在OPENCV3.3和VS2017测试通过。

VHDL实现的图像增强，利用对比度增强的方法

图像数据增强，包括旋转，颜色变暗，变量，镜像等等，基于python，可进行批量图像处理。保证可用，好用。对于做深度学习特别好用。

深度学习在数据量较小的情况下需要进行数据增强操作。本代码可以进行执行，增强数据

用该文件可以实现以下功能:用labelme工具打1张图片的标签,生成1.png和1.json在终端中运行命令pythona.py生成20张数据增强后的图片及其对应的json文件,包括翻转,加噪,模糊,